Page 58 - 电力与能源2021年第二期

2 0 6 陈凯玲, 等: 商业建筑虚拟电厂可调资源特性分析评估研究

代、 建筑类型、 建筑面积、 空调制式、 空调机组数 表 9 空调大机组功率与削减量相关性
量、 空调机组总功率、 空调机组构成、 大空调机组 参数 削减量 y 大机组功率 x
数量、 大空调机组制冷量、 大空调机组功率、 大空 削减量 y 1
大机组功率 x 0.423326 1
调机组品牌、 小空调机组数量、 小空调机组制冷
表 10 空调小机组功率与削减量相关性
量、 小空调机组功率、 小空调机组品牌、 空调末端
参数 削减量 y 小机组功率 x
类型等参数信息。 削减量 y 1
采用“ 相关系数( Correlationcoefficient )” 算 小机组功率 x 0.326821 1
法, 该算法反应变量之间关系密切程度的统计指 以 3 项参数为关联度最大的特性参数, 考量
标, 相关系数的取值区间为 1~-1 。 1 表示两个 参数如表 11 所示。其中, 发电时间: 虚拟发电的
变量完全线性相关, -1 表示两个变量完全负相 执行日期; 发电基准值: 虚拟发电前测算预计负荷
关, 0 表示两个变量不相关。数据越趋近于 0 , 表 值; 发电实际值: 虚拟发电时实际发生负荷值; 负

示相关关系越弱。相关系数的计算公式: 荷削减量: 虚拟发电实际削减量( 发电基准值—发
电实际值); 环境温度: 执行发电事件的当天气象
s x y
r x y = ( 2 )
s x s y 温度; 负荷削减率: 负荷削减量与发电基准值占
———样 本 协 方 比; 有效削减: 执行发电事件, 削减负荷率达标与
式中 r x y ———样 本 相 关 系 数; S x y
——— y 的 样 本 标 否: 负荷累计削减量: 入驻虚拟电厂参与虚拟发电
差; S x ——— x 的 样 本 标 准 差; S y
准差。 建筑历史发电事件的累计负荷削减量; 负荷最小
标准差的计 削减量: 入驻虚拟电厂参与虚拟发电建筑单次削
下面分别是 S x y 协方差, S x 和S y
算公式。由于计算的 是样本协方差和样本标准 减量最大值; 负荷最大削减量: 入驻虚拟电厂参与
差, 因此分母使用的是n-1 。 虚拟发电建筑单次削减量最大值; 建筑年代: 入驻
样本协方差计算公式: 虚拟电厂参与虚拟发电建筑建造年份; 建筑类型:
S x y
n 入驻虚拟电厂参与虚拟发电建筑分类( 主要为办
( X i-X )( Y i-Y )
s x y = ∑ i =1 ( 3 ) 公、 酒店、 商场、 综合体); 建筑面积: 入驻虚拟电厂
n-1
参与虚拟发电建筑面积; 空调制式: 入驻虚拟电厂
S x 样本标准差计算公式:
参与虚拟发电建筑冷源形式; 空调机组组合构成:
2
∑ ( x i-x ) 空调大、 小功率机组组合或单一功率组合形式; 空
S x = ( 4 )
n-1
调机组数量: 空调冷源设备台数( 如大小空调构成
样本标准差计算公式:
S y
模式, 则包含所有大小空调机组冷源设备); 空调
2
y i-y
∑ ( ) 机组总功率: 空调总额定功率数据( 如大小空调构
S y = ( 5 )
n-1 成模式, 则包含所有大小空调机组冷源设备); 大
通过分别计算 x , 变量的协方差以及各自 空调机组数量: 大额定功率值空调功率机组数量;
y
的标准差, 并求得相关系数值, 在式( 3 ) 至式( 5 ) 中 大空调机组制冷量: 大额定功率值空调功率机组
代入相应数据, 计算并分析各代入参与削减量的 制冷量; 大空调机组功率: 大额定功率值空调机组
相关性, 得出每项参考值与削减量的相关系数, 见 对应的额定功率; 大空调机组品牌: 大额定功率值
表 8 至表 10 。 空调机组品牌; 小空调机组数量: 小额定功率值空
表 8 空调总功率与削减量相关性 调功率机组数量; 小空调机组制冷量: 小额定功率

参数 削减量 y 空调总功率 x 值空调功率机组制冷量; 小空调机组功率: 小额定
削减量 y 1
功率值空调机组对应的额定功率; 小空调机组品
空调总功率 x 0.530634 1
表 11 考量参数
可调资源参数 空调总功率 空调大机组功率 空调小机组功率 建筑类型 环境温度 机组数量 建筑年代
相关系数 0.5306 0.4233 0.3268 0.0847 0.0801 0.0576 0.0445
相关性优先级 1 2 3 4 5 6 7
( 下转第 239 页)